25.06.2013 Views

1 - UQAC

1 - UQAC

1 - UQAC

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

indiquent une très faible variation à petite échelle ou alors une erreur de mesure<br />

suffisamment négligeable (Isaaks et Srivastava, 1989).<br />

Toutefois, compte tenu de la grande variabilité des teneurs, il paraît commode<br />

d'étudier aussi la régionalisation des logarithmes qui est évidemment moins variable.<br />

Mais, il serait tout à fait erroné de penser à l'avance que l'exponentiation des<br />

logarithmes estimés constitue systématiquement un meilleur estimé de la teneur elle-même<br />

puisque l'estimé du logarithme n'est pas toujours linéaire par rapport à la teneur (Journel et<br />

Huijbregts, 1981). Dans notre cas la teneur a une distribution lognormale, donc le<br />

logarithme a une distribution normale. Il est dans ce cas montré qu'il existe un estimateur<br />

parfait de la teneur résultant de la combinaison linéaire entre le logarithme estimé et le<br />

logarithme réel (Journel et huijbregts, 1981). C'est la technique du krigeage lognormal.<br />

Nous avons donc procédé à la construction des variogrammes à partir du log naturel<br />

des teneurs pour mieux juger la régionalisation des teneurs dans la mine.<br />

Le meilleur variogramme obtenu avec le log naturel s'inscrit également dans le<br />

modèle exponentiel (fig.7.8) avec un effet de pépite de 1,328 (ln(g/m 3 )) 2 , un palier de 2,657<br />

(ln(g/m 3 ) 2 et une portée de 1278 m comme indiqué dans le tableau 7.3.<br />

C<br />

co+c<br />

Dans le cas du log naturel, la structure est moins bien marquée avec une proportion<br />

moins erratique.<br />

relativement faible (0,50) mais on remarque toutefois que le variogramme est<br />

219

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!